该数据集是一个捕捉用户与操作人员之间的视听互动的视频数据集。操作人员扮演带有四个人格的角色，人格分别为 Poppy（快乐），Obadiah（阴郁），Spike（愤怒）和 Prudence（审慎）。视频以 25 fps（352 x 288 像素）的速率记录，视频片段被标注为几个状态，如一致、感兴趣、确定、专注和深思熟虑，并在 [-1,1] 范围内连续评分，其中 -1 表示最低评价即完全不专注，+1 表示最高评价即最专注。

在 Solid SAL 场景中使用 24 个录音会话，录音由用户和操作员两部分组成，每段录音通常有 4 个字符交互，共提供 95 个字符交互和 190 个视频片段。